[코드잇 초급프로젝트] LOS 기반 역 단위 혼잡도 정량화 및 운영 최적화 전략 설계

코드잇 부트캠프를 진행하며 진행한 첫번째 프로젝트다. 이번 프로젝트는 서울 지하철 2호선의 혼잡 문제를 해결하기 위한 방안으로 시작하였으나, 데이터 분석가의 업무에 좀 더 집중하고자 근본적인 문제의 해결의 어려움을 느끼고 역 구조를 기반으로 약간의 변화를 통해 혼잡도 완화하는 방향으로 주제를 재설정 후 진행하였다.

기존 혼잡도 분석은 열차 칸 단위로 많이 진행되는데, 실제로 사람들이 주로 이동하는 역 내에서 혼잡할 경우 더 큰 문제가 생긴다는 점에서 역 별 혼잡도의 위험성을 시사하면서 역 구조도 기반 역 별 혼잡도 완화 인사이트를 설계하였다.

젠스파크를 활용하여 당시의 제작한 발표자료에서 더 디벨롭하였고, 이러한 목차를 기반으로 진행하였다.

데이터분석 프로젝트의 흐름을 파악할 수 있었다. 문제정의 - 데이터 수집 - 데이터 전처리 - EDA - 인사이트의 과정을 거쳤고 내가담당하진 않았으나, 미약하게나마 에스컬레이터 속도를 상승하였을 경우 얻을 수 있는 이점을 시뮬레이션하여 수치로 표기했다.

특히, 혼잡도의 기준을 규정하는 과정에서 기존에는 더 많은 요소를 고려하였으나, 실측하기 어려운 현재의 상황상 단위면적당 인원수를 고려하였고, 역 별 단위면적 또한 논문을 참고하여 계수를 곱하여 실제 사용면적을 구하였다.

역 별 임계치 등급을 기준으로 상위 역들을 뽑아서 분석을 진행하였으며, 

피그마 툴을 활용하여 직접 구조도를 가져와서 주요 병목 구간을 추정하고, SKT open api를 결제하여 요일별 출구 데이터를 뽑아서 시계열상에서 사람들이 몰리는 구간도 유추할 수 있었다. 

서울 마스코트를 활용하여 인사이트 전략으로 주요 역 별 마일리지를 통해 자연스럽게 사람들이 출구를 분산해서 이동할 수 있는 전략을 제안하였고, 

운영 시뮬레이션을 기반으로 예측 혼잡도 완화에 대한 요소도 함께 담았다. 물론, 머신러닝이나 기타 예측 기법에 대해서 배우기 전이라 단순하게 속도와 관련된 수학식으로 산정했기에 정밀하지 못한 측정이라는 크나큰 한계점이 있었다.